Investigations de la détection d'objets dans des images/vidéos utilisant diverses techniques d'apprentissage profond et plateformes embarquées—Une revue complète

Ces dernières années, des progrès remarquables ont été réalisés dans un domaine d'application de la vision par ordinateur : la détection d'objets. L'un des problèmes les plus difficiles et fondamentaux de la détection d'objets est de localiser un objet spécifique parmi les multiples objets présents dans une scène. Auparavant, des méthodes de détection traditionnelles étaient utilisées pour détecter les objets, avec l'introduction des réseaux de neurones convolutionnels. À partir de 2012, des techniques basées sur l'apprentissage profond ont été utilisées pour l'extraction de caractéristiques, ce qui a conduit à des percées remarquables dans ce domaine. Cet article présente une enquête détaillée sur les avancées et réalisations récentes en matière de détection d'objets utilisant diverses techniques d'apprentissage profond. Plusieurs sujets ont été inclus, tels que Viola–Jones (VJ), histogramme des gradients orientés (HOG), détecteurs one-shot et two-shot, ensembles de données de référence, métriques d'évaluation, techniques d'accélération et détecteurs d'objets à la pointe de la technologie. Des discussions détaillées sur certaines applications importantes dans les domaines de la détection d'objets, y compris la détection des piétons, la détection de foules et la détection d'objets en temps réel sur des systèmes embarqués basés sur le GPU, ont été présentées. Enfin, nous concluons en identifiant des directions futures prometteuses.